サプライチェーンの「DX」という言葉がメディアで日々取り上げられる一方で、「どこから 手をつけて良いのかわからない」「どんな体制が必要なのか」といった 声が多く聞かれます。遅れていると指摘される日本の DX をどう進めて いくべきなのでしょうか。現場起点で AI 活用に取り組み、全社的に AI 活用を推進しているヤマハ発動機株式会社の大西 圭一氏とダイハツ 工業株式会社の太古 無限氏に、DX を推進するプロジェクトをどう立ち上げ、どう広げていったのかを聞きました。
データサイエンティスト
90年代から医療用画像診断装置メーカーで統計解析や機械学習を使った品質改善（シックスシグマ ）、要因分析、異常予兆検知、医療データ分析などに従事。2018年からDataRobot社のデータサイエンティストとしてヘルスケアチームをリードし、主に医療機関や製薬企業でのAIアプリケーション開発をサポートしている。また、伝統的な統計解析手法と機械学習各々の特長を活かした分析アプローチを研究し、各所で講演を行っている。
直近の注目記事 医療でのAI実践、病院で機械学習はどう活用されているのか（ビジネス＋IT） 製薬業界の機械学習活用をプロセスごとに解説、がん治療をAIが助ける？（ビジネス＋IT）
今『データドリブン』『データドリブン企業』がバズワードになっていますが、品質管理分野では既にデータドリブンという経営戦略が存在していました。では、データドリブンの本質は以前から変容したのか？データドリブン企業はAIを導入し成功するのに有利なのか？本ブログではこれらのテーマを考察します。
AI/機械学習を使って要因分析を行うとき、事前に要因の候補に関する知識を上手に整理して仮説を立てておくと、適切な特徴量からモデルを構築できて分析の成功確率が高まります。そして、QCサークル活動など、産業界で品質管理活動に携わる人達が利用してきたドメイン知識整理の手法はデータサイエンティストにとっても非常に有効です。
医療業界でのAI活用はフィージビリティスタディのフェーズから脱しつつあり、予防医療・先制医療に繋がる臨床研究や医師の診断補助、病院オペレーション改善などのケースで成功事例が報告されるようになってきました。本稿ではDataRobotユーザー様のお取り組みを中心に、機械学習が医療業界の様々な課題解決に役立っている実例をご紹介します。
要因分析を対象に、従来型の統計解析と機械学習を適宜使い分けながらより再現性の高い分析結果を得るための方法を考察します。また、データのレコード数が少ない「スモールデータ」や、特徴量の数がレコード数より大きい「横長データ」からでもロバストな要因分析を行うための機械学習応用アプローチを考察・提案します。
DataRobotブログでは、機械学習の技術ティップス、産業各界における応用事例、AI活用の組織的課題などについて今年も弊社のデータサイエンティストが精力的に執筆してきました。今回は今年一年間の振り返りとして、各メンバーが注目した、今年のニュース総集編企画を行いたいと思います！
要因分析と因果解析の基本理論を紹介し、機械学習がどのように使えるかを解説
DataRobotの自動特徴量エンジニアリングをご紹介
